• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    一種多尺度估計(jì)和自適應(yīng)響應(yīng)融合目標(biāo)跟蹤算法

    2022-09-20 05:11:36孫德剛白榮雪王超高天學(xué)胡正平
    機(jī)床與液壓 2022年9期
    關(guān)鍵詞:尺度卷積精度

    孫德剛,白榮雪,王超,高天學(xué),胡正平,2

    (1.山東華宇工學(xué)院信息工程學(xué)院,山東德州 253000; 2.燕山大學(xué)信息科學(xué)與工程學(xué)院,河北秦皇島 066004)

    0 前言

    為了緩解跟蹤樣本邊緣產(chǎn)生的邊界效應(yīng),盡可能提升跟蹤精度和魯棒性,本文作者結(jié)合時(shí)域正則化和空域正則化來解決相關(guān)濾波跟蹤時(shí)的邊界效應(yīng)問題,提取目標(biāo)的基礎(chǔ)手工特征和深度特征,通過降維方法加速算法運(yùn)算,并利用尺度池方法估計(jì)目標(biāo)尺度,提升跟蹤效果。

    深度網(wǎng)絡(luò)框架由于其訓(xùn)練過程導(dǎo)致速度大多比較慢,與相關(guān)濾波結(jié)合的孿生網(wǎng)絡(luò)速度優(yōu)勢比較大。WANG等提出端到端的輕量級孿生網(wǎng)絡(luò)體系結(jié)構(gòu)(Discriminative Correlation Filter with Network,DCFNet)算法,在網(wǎng)絡(luò)的一層加入相關(guān)濾波器,將網(wǎng)絡(luò)輸出作為響應(yīng)圖并推導(dǎo)反向傳播的過程依然在頻域進(jìn)行,因此在深度算法中速度較快。HONG等將離線CNN圖像庫為背景,利用網(wǎng)絡(luò)的隱藏層輸出描述特征,并結(jié)合反向傳播和在線SVM構(gòu)造目標(biāo)顯著圖,被稱為CNN-SVM算法。此外,端到端學(xué)習(xí)和注意力機(jī)制等也常用于視頻處理中。為了盡可能提升跟蹤精度和魯棒性,本文作者將相關(guān)濾波與深度特征相結(jié)合,并在現(xiàn)有算法基礎(chǔ)上從特征、模型等多方面進(jìn)行改進(jìn)。

    1 多尺度估計(jì)和自適應(yīng)響應(yīng)融合目標(biāo)跟蹤算法綜述

    本文作者提出基于卷積特征的多尺度估計(jì)和自適應(yīng)響應(yīng)融合目標(biāo)跟蹤算法,來解決相關(guān)濾波跟蹤框架中深度特征跟蹤優(yōu)勢受限和計(jì)算存儲(chǔ)冗余等問題。首先提取目標(biāo)區(qū)域的手工和深度卷積特征,通過學(xué)習(xí)連續(xù)域卷積算子實(shí)現(xiàn)多分辨率特征的融合;其次,通過調(diào)整高斯標(biāo)簽參數(shù),充分利用手工特征的準(zhǔn)確性,深入挖掘深度特征的魯棒性;然后,通過分解卷積操作對深度特征進(jìn)行有監(jiān)督降維來減少模型參數(shù),為了減少樣本冗余并保留正確樣本,進(jìn)行基于高斯混合模型的動(dòng)態(tài)樣本融合,并使用模糊稀疏的模型更新機(jī)制提高模型更新的有效性;最后,根據(jù)預(yù)測質(zhì)量評估標(biāo)準(zhǔn),對深度特征和手工淺層特征的跟蹤響應(yīng)圖進(jìn)行自適應(yīng)融合。此外,還分別使用PCA和正交三角分解方法對平移濾波器和尺度濾波器特征進(jìn)行降維,并使用三角插值法進(jìn)一步提高跟蹤精度。

    1.1 基于連續(xù)卷積算子的目標(biāo)跟蹤

    在將多層深度卷積特征用于相關(guān)濾波跟蹤時(shí),由于不同卷積層具有不同的圖像分辨率,超出了相關(guān)濾波只能處理單分辨率圖像的限制。為了集成多分辨率深度特征圖,文獻(xiàn)[6]提出連續(xù)卷積算子方法,在圖像訓(xùn)練之前應(yīng)用空域隱式插值將特征圖插值到連續(xù)空域。一方面,該方法在連續(xù)域中執(zhí)行卷積來實(shí)現(xiàn)多分辨率特征圖的自然集成,這樣就可以獨(dú)立靈活地選擇每個(gè)視覺特征的分辨率,而無需顯式重采樣;另一方面,以連續(xù)函數(shù)的形式求出目標(biāo)的跟蹤響應(yīng),從而實(shí)現(xiàn)子網(wǎng)格的精確定位,進(jìn)一步提高相關(guān)濾波的跟蹤精度。

    (1)

    訓(xùn)練一個(gè)連續(xù)周期多通道卷積濾波器=(,…,)來預(yù)測目標(biāo)的檢測分?jǐn)?shù):

    (2)

    1.2 連續(xù)卷積算子跟蹤優(yōu)化算法

    連續(xù)卷積算子目標(biāo)跟蹤算法,利用訓(xùn)練樣本的隱式內(nèi)插模型來學(xué)習(xí)連續(xù)空間域中的卷積算子,通過學(xué)習(xí)的卷積濾波器,可以產(chǎn)生目標(biāo)的連續(xù)域置信圖,使相關(guān)濾波器跟蹤實(shí)現(xiàn)對多分辨率特征映射的融合。但復(fù)雜的計(jì)算使算法無法達(dá)到實(shí)時(shí)要求,在一定程度上限制了算法的實(shí)際跟蹤應(yīng)用。本文作者結(jié)合文獻(xiàn)[7]提出的幾點(diǎn)改進(jìn)措施,進(jìn)一步設(shè)計(jì)對于連續(xù)卷積算子跟蹤算法的優(yōu)化方法。

    (3)

    上式的最后一步可以看作是降維數(shù)據(jù)的重組,首先降維矩陣與位置處的特征向量{}()相乘求出維降維特征圖,然后再與濾波器卷積。是通過公式(2)和公式(3)最小化分解算子的分類誤差,再判別聯(lián)合地學(xué)習(xí)濾波器和矩陣而得到的。

    (4)

    (5)

    (6)

    以上分解卷積算子過程中的降維矩陣只需要在第一幀時(shí)學(xué)習(xí),而后直接用于特征降維來提高運(yùn)算速度。這樣在后續(xù)跟蹤時(shí),有利于減少投影特征圖{}所占用的內(nèi)存空間,濾波器更新時(shí)也可以直接利用{}將特征圖由維降至維,以此達(dá)到節(jié)約內(nèi)存和減少計(jì)算量的目的。

    1.3 基于GMM的動(dòng)態(tài)樣本融合

    在以往的跟蹤算法中,每跟蹤一幀圖像就相應(yīng)添加一個(gè)訓(xùn)練樣本,由于跟蹤樣本的外觀變化是時(shí)空連續(xù)的,所以該樣本權(quán)重設(shè)置為由學(xué)習(xí)率控制的指數(shù)衰減~(1-)-,當(dāng)樣本數(shù)達(dá)到上限時(shí),最小權(quán)重的樣本將被新樣本替換,這種更新策略需要較大的樣本限制才能獲得比較具有代表性的樣本集。否則,若采用上述逐幀添加新樣本的策略,將會(huì)使空間有限的樣本集被大量相似的樣本占用,產(chǎn)生過多冗余信息,不能涵蓋樣本的多樣性。本文作者采用混合高斯模型(Gaussian Mixture Model,GMM)提高樣本差異性,將相似的樣本融合為一個(gè)樣本分量,并始終保留第一幀樣本分量,最終生成由各具差異性的樣本分量構(gòu)成的緊湊型的樣本集來緩解上述問題。文中使用基于GMM的動(dòng)態(tài)樣本融合策略,通過賦予第一幀穩(wěn)定的權(quán)重,并動(dòng)態(tài)調(diào)整樣本分量的權(quán)重,使樣本集中的樣本數(shù)量從降至,且保持了每個(gè)樣本分量的高效性和對樣本形變的適應(yīng)性。

    1.4 模糊稀疏模型更新策略

    理論上,最合理的模型更新方式是選擇在目標(biāo)外觀發(fā)生一定程度的變化之后進(jìn)行更新,但實(shí)際上目前還很難找到一個(gè)相對簡單且計(jì)算量小的判別目標(biāo)外觀變化程度的指標(biāo)。綜合以上分析,使用稀疏的模型更新方式,間隔一定幀數(shù)更新一次跟蹤模型。借鑒已有的實(shí)驗(yàn)結(jié)果,模型更新間隔處于一個(gè)動(dòng)態(tài)范圍內(nèi)時(shí)跟蹤效果更好。本文作者在稀疏的模型更新方式上使用模糊策略,使算法在一個(gè)區(qū)間[,]內(nèi)隨機(jī)選擇更新間隔,則采用模糊稀疏策略的模型更新次數(shù)降至:

    =[∑()](-+1)

    (7)

    其中:是跟蹤視頻序列的總幀數(shù);是使用的更新間隔,取[,]區(qū)間內(nèi)的整數(shù)。使用模糊稀疏的模型更新策略,在一定程度上可以緩解因遮擋和運(yùn)動(dòng)出視野等導(dǎo)致模型腐化的問題,提高了跟蹤算法模型更新的有效性和計(jì)算效率。

    1.5 自適應(yīng)響應(yīng)融合策略

    深度特征(如VGGNet)近幾年越來越多地應(yīng)用于目標(biāo)跟蹤領(lǐng)域。但研究表明,計(jì)算耗時(shí)的深度特征無法從更深卷積層獲益,這與深度學(xué)習(xí)性能隨著網(wǎng)絡(luò)的增大和加深而更優(yōu)的原則相悖。為了充分發(fā)揮深層和淺層特征的跟蹤優(yōu)勢,本文作者差異化對待兩種特征,更關(guān)注深度特征的魯棒性和淺層特征的精度,并在響應(yīng)階段使用自適應(yīng)融合策略。

    參考已有預(yù)測質(zhì)量評估標(biāo)準(zhǔn),對跟蹤精度和魯棒性進(jìn)行量化。從響應(yīng)圖的情況來看:一方面響應(yīng)圖的峰值越尖銳,表明其定位能力更精準(zhǔn);另一方面主峰與鄰近干擾峰的邊際越大表明當(dāng)前預(yù)測置信度明顯高于其他候選位置,說明跟蹤魯棒性強(qiáng)。所使用的評價(jià)目標(biāo)預(yù)測質(zhì)量的最小化權(quán)重置信邊際指標(biāo)為

    (8)

    (9)

    在響應(yīng)融合階段,基于在響應(yīng)融合階段提出的預(yù)測質(zhì)量評估標(biāo)準(zhǔn),對深度特征響應(yīng)()和淺層特征響應(yīng)()分別以權(quán)重和進(jìn)行加權(quán)融合:

    ()=()+()

    (10)

    以上求解通過建模來最小化損失函數(shù):

    subject to:+=1,≥0,≥0

    (11)

    其中:是正則項(xiàng)參數(shù)。

    引入松弛變量={},公式(5)可以優(yōu)化為

    subject to:+=1,≥0,≥0

    ()-(-)≥(),

    ?∈

    (12)

    通過采樣有限組候選狀態(tài)來求解該問題,每組是含有3個(gè)變量的二次規(guī)劃問題,這種問題可以用常規(guī)標(biāo)準(zhǔn)方法來求解,計(jì)算量增加不大。通過調(diào)整高斯標(biāo)簽函數(shù)參數(shù),并根據(jù)預(yù)測質(zhì)量評估方法進(jìn)行自適應(yīng)響應(yīng)融合,發(fā)揮了深度特征的跟蹤魯棒性和淺層特征的跟蹤精度特性,有利于進(jìn)一步提高目標(biāo)跟蹤效果。

    對于尺度估計(jì),采用7個(gè)比較粗的尺度池方法,平移濾波器從尺度池內(nèi)的縮放圖像檢測出響應(yīng)最大的目標(biāo)位置和尺度,檢測得到位置和尺度的全局最優(yōu)結(jié)果,檢測得到的不一定是位置和尺度各自局部的最優(yōu)結(jié)果。本文作者借鑒尺度金字塔方法,并結(jié)合降維思想,將這種高效精細(xì)的尺度估計(jì)方法用于文中算法。

    2 實(shí)驗(yàn)結(jié)果與分析

    2.1 實(shí)驗(yàn)環(huán)境與參數(shù)設(shè)置

    實(shí)驗(yàn)環(huán)境為Intel Core i5-4200 CPU,主頻1.6 GHz,內(nèi)存8 GB,64位Win10操作系統(tǒng),實(shí)驗(yàn)平臺(tái)為MATLAB R2016b。模型更新間隔區(qū)間[,]取[5,7],深度和淺層特征的標(biāo)簽函數(shù)標(biāo)準(zhǔn)差分別是=14和=116,預(yù)測質(zhì)量評估的控制參數(shù)以8為因子與目標(biāo)大小成反比,響應(yīng)融合階段的正則項(xiàng)參數(shù)=015,尺度金字塔的尺度因子=1.02,文中算法OursHC使用FHOG、CN和gray特征,OursDeep使用FHOG和VGG-M網(wǎng)絡(luò)的Conv1和Conv5。

    為了評估算法性能,選取OTB-2013和OTB-2015作為測試數(shù)據(jù)集,選取的數(shù)據(jù)集中每個(gè)視頻序列具有一種或多種挑戰(zhàn)因素,測試數(shù)據(jù)更具有代表性。采用OTB數(shù)據(jù)集的一次性通過評估OPE模式,選擇跟蹤的距離精度和重疊率精度作為評價(jià)指標(biāo)。文中設(shè)定閾值為20像素,閾值為0.5。將文中使用的深度特征算法OursDeep和手工特征算法OursHC與DeepSRDCF、CNN-SVM、SiamFC3s、CFNet、DCFNet、SRDCF、DSST共9種流行算法進(jìn)行比較,驗(yàn)證文中算法框架和使用深度特征的有效性,并做定量和定性分析。

    2.2 對比實(shí)驗(yàn)定量分析

    測得9種算法在OTB-2013和OTB-2015數(shù)據(jù)集的平均距離精度()和平均重疊率精度()見表1,圖1和圖2分別為9種算法在OTB-2013和OTB-2015數(shù)據(jù)集中11種視頻屬性的距離精度和成功率,其中第一幅曲線圖是平均跟蹤結(jié)果。為便于數(shù)據(jù)對比,將9種算法在OTB-2013和OTB-2015數(shù)據(jù)集中11種視頻屬性下的跟蹤成功率和距離精度結(jié)果列在表2和表3中,其中加框數(shù)據(jù)表示最優(yōu)結(jié)果,加下劃線數(shù)據(jù)表示次優(yōu)結(jié)果。

    表1 OPE模式下9種算法的平均跟蹤性能 單位:%

    結(jié)合表1可知:在OTB-2013數(shù)據(jù)集上,文中深度特征算法OursDeep的平均和平均分別為90.5%和68.2%,手工特征算法OursHC分別為86.4%和65.0%,在OTB-2015數(shù)據(jù)集上;文中深度特征算法OursDeep的平均和平均分別為89.0%和67.0%,手工特征算法OursHC分別為83.5%和62.7%。與其他幾種深度算法相比,文中使用深度特征的算法超越了性能較好的DeepSRDCF以及使用孿生網(wǎng)絡(luò)框架的DCFNet、CFNet和SiamFC3s算法,使用手工特征的算法獲得了較優(yōu)的跟蹤結(jié)果。與同樣采取判別相關(guān)濾波和深度特征的DeepSRDCF算法相比,在OTB-2013數(shù)據(jù)集上的精確度和成功率分別提升了5.6%和4.1%,在OTB-2015數(shù)據(jù)集上分別提升了3.9%和3.5%,表明文中算法具有較好的跟蹤性能。

    由圖1可知:在11種挑戰(zhàn)因素中,文中算法OursDeep在其中10種因素的跟蹤精度均排在第1名。但在圖像序列低分辨率情況下,文中算法跟蹤效果略高于DCFNet算法,接近于SiamFC3s和CFNet算法,與采用CNN和SVM構(gòu)造目標(biāo)顯著圖的CNN-SVM算法相比,還存在一定差距。另外,文中手工特征的算法OursHC在尺度變化等7個(gè)挑戰(zhàn)因素中均排在第2名,說明算法總體跟蹤精度較高。

    圖1 9種算法在OTB-2013數(shù)據(jù)集11種挑戰(zhàn)因素的距離精度圖

    由表2可更直觀看出:在對11種挑戰(zhàn)因素的跟蹤成功率測試中,文中算法跟蹤效果優(yōu)勢比較明顯,尤其是對具有障礙物遮擋和運(yùn)動(dòng)出視野等挑戰(zhàn)因素時(shí),文中算法相比DeepSRDCF算法跟蹤成功率提升8%以上,對低分辨率圖像跟蹤效果有待改善。

    表2 OTB-2013數(shù)據(jù)集中9種算法在11種挑戰(zhàn)因素的跟蹤成功率 單位:%

    由表3可知:在數(shù)據(jù)量更多的OTB-2015數(shù)據(jù)集中,測試的跟蹤趨勢與OTB-2013數(shù)據(jù)集大體一致,但隨著測試數(shù)據(jù)的增多,在11種視頻屬性的挑戰(zhàn)因素中,文中算法相對于DeepSRDCF算法的跟蹤優(yōu)勢依然明顯,說明文中算法的整體跟蹤性能較好,適應(yīng)性較強(qiáng)。

    表3 OTB-2015數(shù)據(jù)集中9種算法在11種挑戰(zhàn)因素的跟蹤距離精度 單位:%

    結(jié)合圖2可知:文中算法在11種挑戰(zhàn)因素的10種因素中成功率依然排名第一,且手工特征OursHC的跟蹤成功率在其中9種因素中排名前三,跟蹤效果穩(wěn)超很多深度學(xué)習(xí)框架算法。

    圖2 9種算法在OTB-2015數(shù)據(jù)集11種挑戰(zhàn)因素的成功率

    綜合各圖和表顯示的結(jié)果可知:與參與對比的其他算法相比,文中設(shè)計(jì)的算法總體跟蹤距離精度和成功率均排在第1名,在11種視頻屬性的測試中,在10種上具有較大優(yōu)勢。從文中算法自身對比來看:采用深度特征的OursDeep比單純使用手工特征的OursHC跟蹤距離精度和成功率均有較大提高,其跟蹤效果在數(shù)據(jù)較多的OTB-2015數(shù)據(jù)集測試中分別提升5.5%和4.3%,說明深度特征的使用作用明顯。

    2.3 對比實(shí)驗(yàn)定性分析

    選取6組具有多種挑戰(zhàn)因素的視頻序列對文中算法進(jìn)行分析,各視頻包含的視頻屬性、幀數(shù)等信息見表4,選取的視頻序列包含多種挑戰(zhàn)因素,數(shù)據(jù)的多樣性更具有說服力。

    表4 6組視頻序列的屬性及相關(guān)信息

    文中采用稀疏更新模型并且對深度特征和手工特征的響應(yīng)圖進(jìn)行自適應(yīng)融合,在出視野、形變、低分辨率等情況下的穩(wěn)定性較好,對目標(biāo)的綜合跟蹤能力較強(qiáng)。

    3 結(jié)論

    提出基于卷積特征和響應(yīng)融合的目標(biāo)跟蹤算法,從特征、學(xué)習(xí)更新方式和響應(yīng)融合等幾個(gè)方面進(jìn)行改進(jìn)。首先,引入手工特征和多層深度卷積特征,通過學(xué)習(xí)連續(xù)域卷積算子實(shí)現(xiàn)了多分辨率特征的融合,并通過調(diào)整高斯標(biāo)簽函數(shù)參數(shù),充分發(fā)揮了兩種特征各自跟蹤優(yōu)勢;然后,通過分解卷積操作,對深度特征進(jìn)行有監(jiān)督降維,并利用基于高斯混合模型的動(dòng)態(tài)樣本融合,保留正確樣本的同時(shí)提高了樣本差異性,使用的模糊稀疏更新機(jī)制緩解了遮擋情況下因模型退化導(dǎo)致的跟蹤失敗問題;最后,根據(jù)預(yù)測質(zhì)量評估指標(biāo),對深度特征和手工特征的跟蹤響應(yīng)圖進(jìn)行自適應(yīng)融合,發(fā)揮特征各自在不同跟蹤場景中的跟蹤優(yōu)勢。

    猜你喜歡
    尺度卷積精度
    基于3D-Winograd的快速卷積算法設(shè)計(jì)及FPGA實(shí)現(xiàn)
    財(cái)產(chǎn)的五大尺度和五重應(yīng)對
    從濾波器理解卷積
    電子制作(2019年11期)2019-07-04 00:34:38
    基于DSPIC33F微處理器的采集精度的提高
    電子制作(2018年11期)2018-08-04 03:25:38
    基于傅里葉域卷積表示的目標(biāo)跟蹤算法
    宇宙的尺度
    太空探索(2016年5期)2016-07-12 15:17:55
    GPS/GLONASS/BDS組合PPP精度分析
    改進(jìn)的Goldschmidt雙精度浮點(diǎn)除法器
    9
    一種基于卷積神經(jīng)網(wǎng)絡(luò)的性別識別方法
    亚洲综合精品二区| 又粗又硬又长又爽又黄的视频| 高清在线视频一区二区三区| 亚洲欧美一区二区三区国产| 91在线精品国自产拍蜜月| 看非洲黑人一级黄片| 永久网站在线| 国产成人一区二区在线| 国产日韩欧美亚洲二区| 99热全是精品| 女性被躁到高潮视频| 超碰av人人做人人爽久久| 丰满人妻一区二区三区视频av| 免费观看a级毛片全部| 一级毛片黄色毛片免费观看视频| h视频一区二区三区| 欧美成人精品欧美一级黄| 水蜜桃什么品种好| 亚洲国产最新在线播放| 最近中文字幕高清免费大全6| 国国产精品蜜臀av免费| 午夜福利在线在线| 国产av精品麻豆| 国产精品一区二区三区四区免费观看| 在线观看免费视频网站a站| 极品少妇高潮喷水抽搐| 成人二区视频| 亚洲高清免费不卡视频| 一级a做视频免费观看| 久久久久视频综合| 国产成人免费观看mmmm| 在线观看一区二区三区| 免费高清在线观看视频在线观看| 99精国产麻豆久久婷婷| 亚洲在久久综合| 夜夜爽夜夜爽视频| 日日啪夜夜爽| 蜜桃亚洲精品一区二区三区| 国产 精品1| 久久97久久精品| 最近中文字幕高清免费大全6| 国产精品不卡视频一区二区| 亚洲欧美成人精品一区二区| 色综合色国产| 国产成人午夜福利电影在线观看| 你懂的网址亚洲精品在线观看| 人人妻人人看人人澡| 大陆偷拍与自拍| 成人黄色视频免费在线看| 97在线视频观看| 亚洲高清免费不卡视频| 美女视频免费永久观看网站| 91狼人影院| 亚洲av日韩在线播放| 精品久久久久久电影网| 亚洲aⅴ乱码一区二区在线播放| 欧美xxxx性猛交bbbb| 夜夜爽夜夜爽视频| 午夜福利网站1000一区二区三区| 欧美精品国产亚洲| 在线免费十八禁| 国产高清三级在线| 亚洲电影在线观看av| 少妇被粗大猛烈的视频| 国产成人a∨麻豆精品| 一级av片app| 熟女av电影| 人妻夜夜爽99麻豆av| 亚洲av男天堂| 高清欧美精品videossex| 亚洲美女搞黄在线观看| 一个人看的www免费观看视频| 日本色播在线视频| 免费观看无遮挡的男女| 国产日韩欧美亚洲二区| 亚洲经典国产精华液单| 七月丁香在线播放| 亚洲四区av| 老师上课跳d突然被开到最大视频| 九草在线视频观看| 搡女人真爽免费视频火全软件| 国产黄片视频在线免费观看| 我要看日韩黄色一级片| 国产欧美亚洲国产| 久久久午夜欧美精品| 精品人妻熟女av久视频| 26uuu在线亚洲综合色| 久久国产精品男人的天堂亚洲 | 国产伦理片在线播放av一区| 亚洲四区av| 春色校园在线视频观看| 国产免费一区二区三区四区乱码| 18禁在线无遮挡免费观看视频| 国产国拍精品亚洲av在线观看| 欧美精品一区二区免费开放| 美女主播在线视频| 日韩不卡一区二区三区视频在线| 18禁裸乳无遮挡动漫免费视频| 一本色道久久久久久精品综合| 最新中文字幕久久久久| 亚洲成人av在线免费| 久久这里有精品视频免费| 青青草视频在线视频观看| 草草在线视频免费看| 久久久午夜欧美精品| 欧美亚洲 丝袜 人妻 在线| av天堂中文字幕网| 国产精品99久久久久久久久| 蜜桃在线观看..| 久久久欧美国产精品| 国产淫语在线视频| 日韩一区二区视频免费看| 九九爱精品视频在线观看| 久久久久精品性色| 春色校园在线视频观看| 国产精品免费大片| 久久午夜福利片| 成年免费大片在线观看| 国产成人a区在线观看| 一个人看的www免费观看视频| 久久久午夜欧美精品| 18禁裸乳无遮挡动漫免费视频| 免费大片18禁| 国模一区二区三区四区视频| 国产v大片淫在线免费观看| 黄色欧美视频在线观看| 国产精品一区二区三区四区免费观看| 九九在线视频观看精品| 成年美女黄网站色视频大全免费 | 天堂俺去俺来也www色官网| 国产色爽女视频免费观看| 久久国产精品男人的天堂亚洲 | 精品熟女少妇av免费看| 欧美精品人与动牲交sv欧美| 在线看a的网站| 91午夜精品亚洲一区二区三区| 久久国产乱子免费精品| 十八禁网站网址无遮挡 | 91精品国产九色| 如何舔出高潮| 色视频www国产| 国产精品熟女久久久久浪| 热99国产精品久久久久久7| 亚洲国产精品成人久久小说| 精品99又大又爽又粗少妇毛片| 久久精品熟女亚洲av麻豆精品| 亚洲最大成人中文| 国产精品一区二区三区四区免费观看| 人妻夜夜爽99麻豆av| 又大又黄又爽视频免费| 97在线视频观看| 国产在视频线精品| 麻豆精品久久久久久蜜桃| 国产高清三级在线| 不卡视频在线观看欧美| 永久网站在线| 欧美日韩精品成人综合77777| 18禁裸乳无遮挡动漫免费视频| 在线免费十八禁| 色5月婷婷丁香| 国产一区二区在线观看日韩| 国产片特级美女逼逼视频| 久久婷婷青草| 日韩中字成人| 男人和女人高潮做爰伦理| a级一级毛片免费在线观看| 国产一区二区三区av在线| 国产成人a∨麻豆精品| 日本欧美视频一区| 精品人妻视频免费看| 美女福利国产在线 | 少妇被粗大猛烈的视频| 人妻少妇偷人精品九色| 亚洲经典国产精华液单| 久久ye,这里只有精品| 免费看日本二区| .国产精品久久| 自拍欧美九色日韩亚洲蝌蚪91 | 亚洲欧美成人精品一区二区| av免费在线看不卡| 亚洲精品中文字幕在线视频 | 成人毛片a级毛片在线播放| 多毛熟女@视频| 干丝袜人妻中文字幕| 成人亚洲精品一区在线观看 | 国产久久久一区二区三区| 两个人的视频大全免费| 国产精品久久久久久av不卡| 久久久欧美国产精品| 亚洲精品成人av观看孕妇| 亚洲精品一二三| 视频区图区小说| 日韩成人av中文字幕在线观看| 纯流量卡能插随身wifi吗| 精品国产一区二区三区久久久樱花 | 国产精品精品国产色婷婷| 免费观看a级毛片全部| 国产成人精品婷婷| 欧美zozozo另类| 在现免费观看毛片| 欧美3d第一页| 日韩视频在线欧美| 插逼视频在线观看| 国产成人精品一,二区| 又爽又黄a免费视频| 国产av一区二区精品久久 | 亚洲av福利一区| 一区在线观看完整版| 精品午夜福利在线看| 日本av手机在线免费观看| 老司机影院成人| 99久久人妻综合| 亚洲久久久国产精品| 亚洲av日韩在线播放| 精品国产三级普通话版| 18禁在线播放成人免费| 亚洲人与动物交配视频| 国产亚洲av片在线观看秒播厂| 九草在线视频观看| 国产 一区精品| 最近中文字幕高清免费大全6| 成年av动漫网址| 五月开心婷婷网| 少妇人妻 视频| 色视频在线一区二区三区| 啦啦啦啦在线视频资源| 亚洲,欧美,日韩| 日韩av在线免费看完整版不卡| a级毛片免费高清观看在线播放| 久久精品夜色国产| 91精品一卡2卡3卡4卡| 久久热精品热| 免费av中文字幕在线| 免费黄色在线免费观看| a级一级毛片免费在线观看| 午夜福利在线在线| 我要看日韩黄色一级片| 男人狂女人下面高潮的视频| 亚洲性久久影院| 狂野欧美白嫩少妇大欣赏| 搡女人真爽免费视频火全软件| 国产综合精华液| 国产亚洲一区二区精品| 午夜免费男女啪啪视频观看| 亚洲av中文av极速乱| 久久久精品94久久精品| 男人爽女人下面视频在线观看| 久久精品熟女亚洲av麻豆精品| 男女啪啪激烈高潮av片| 男女边吃奶边做爰视频| 日韩 亚洲 欧美在线| 午夜视频国产福利| 日韩av不卡免费在线播放| 国产视频首页在线观看| 热re99久久精品国产66热6| 日本黄色日本黄色录像| 女人久久www免费人成看片| 日韩av免费高清视频| 欧美xxxx性猛交bbbb| 精品国产露脸久久av麻豆| 人人妻人人添人人爽欧美一区卜 | 网址你懂的国产日韩在线| 国产亚洲午夜精品一区二区久久| 成人美女网站在线观看视频| 又大又黄又爽视频免费| 久热久热在线精品观看| av播播在线观看一区| 亚洲四区av| 三级经典国产精品| 一边亲一边摸免费视频| 久久久久久久亚洲中文字幕| 七月丁香在线播放| 精品亚洲乱码少妇综合久久| 亚洲欧美精品专区久久| 三级国产精品片| 国产免费一级a男人的天堂| 久久国产亚洲av麻豆专区| 亚洲欧美成人精品一区二区| av一本久久久久| 观看免费一级毛片| 高清日韩中文字幕在线| 国产乱人偷精品视频| 欧美日韩在线观看h| 国产淫片久久久久久久久| 精品酒店卫生间| 中国国产av一级| 中文字幕久久专区| 中国三级夫妇交换| 国产91av在线免费观看| 看非洲黑人一级黄片| 建设人人有责人人尽责人人享有的 | 久久精品国产自在天天线| 国产精品熟女久久久久浪| 夫妻性生交免费视频一级片| 国产黄片视频在线免费观看| 99国产精品免费福利视频| 有码 亚洲区| 国产大屁股一区二区在线视频| 久久精品久久久久久噜噜老黄| 一级黄片播放器| 国产免费福利视频在线观看| 一区二区三区四区激情视频| 亚洲,欧美,日韩| 激情五月婷婷亚洲| h视频一区二区三区| 日日撸夜夜添| 久久精品国产a三级三级三级| 一区二区三区精品91| 国内精品宾馆在线| 在线天堂最新版资源| 美女福利国产在线 | a级毛片免费高清观看在线播放| 国产一区有黄有色的免费视频| 搡女人真爽免费视频火全软件| 国产v大片淫在线免费观看| 国产亚洲5aaaaa淫片| a 毛片基地| 欧美三级亚洲精品| 99久国产av精品国产电影| a级一级毛片免费在线观看| 国产成人91sexporn| 欧美3d第一页| 亚洲天堂av无毛| 少妇 在线观看| 成人毛片a级毛片在线播放| av不卡在线播放| 精品国产露脸久久av麻豆| 天天躁日日操中文字幕| 成人亚洲精品一区在线观看 | 欧美一级a爱片免费观看看| 99热网站在线观看| 日日啪夜夜爽| 美女国产视频在线观看| 国产 一区 欧美 日韩| 精品久久久久久电影网| 涩涩av久久男人的天堂| 色婷婷av一区二区三区视频| 精品亚洲成国产av| 日本午夜av视频| 乱系列少妇在线播放| 两个人的视频大全免费| 黄色视频在线播放观看不卡| 成人毛片a级毛片在线播放| 在线 av 中文字幕| 亚洲av欧美aⅴ国产| av不卡在线播放| 夜夜看夜夜爽夜夜摸| 能在线免费看毛片的网站| 国产白丝娇喘喷水9色精品| 亚洲欧美日韩卡通动漫| 国产欧美亚洲国产| av卡一久久| 国产白丝娇喘喷水9色精品| 免费观看无遮挡的男女| 亚洲成色77777| 免费观看无遮挡的男女| .国产精品久久| 大片免费播放器 马上看| 久久久久久久久久久免费av| 天天躁日日操中文字幕| 最近中文字幕2019免费版| 男男h啪啪无遮挡| 亚洲欧美日韩东京热| 日本av手机在线免费观看| 亚洲在久久综合| 欧美一区二区亚洲| 久久久久久久久久成人| 偷拍熟女少妇极品色| 色5月婷婷丁香| 偷拍熟女少妇极品色| 国产毛片在线视频| 人人妻人人添人人爽欧美一区卜 | 欧美国产精品一级二级三级 | 日日啪夜夜撸| 国产精品一二三区在线看| 亚洲av国产av综合av卡| 超碰97精品在线观看| 自拍偷自拍亚洲精品老妇| 久久精品久久久久久久性| 欧美日韩在线观看h| 国产精品伦人一区二区| 街头女战士在线观看网站| 久久久久性生活片| 哪个播放器可以免费观看大片| 妹子高潮喷水视频| 国产一区二区在线观看日韩| 久久久久久久久久久丰满| 国产精品av视频在线免费观看| 国产91av在线免费观看| 七月丁香在线播放| 中文字幕久久专区| 色吧在线观看| av女优亚洲男人天堂| 国产伦理片在线播放av一区| av又黄又爽大尺度在线免费看| 亚洲va在线va天堂va国产| 国产精品国产av在线观看| 国产av码专区亚洲av| 观看美女的网站| 中文字幕久久专区| 亚洲国产av新网站| 国产精品一区www在线观看| 黑丝袜美女国产一区| 亚洲欧美成人精品一区二区| 2018国产大陆天天弄谢| 蜜桃久久精品国产亚洲av| 成人毛片a级毛片在线播放| 国产在视频线精品| 国产av一区二区精品久久 | 三级经典国产精品| 国内少妇人妻偷人精品xxx网站| 美女主播在线视频| 人妻系列 视频| 在线天堂最新版资源| 激情五月婷婷亚洲| 亚洲国产毛片av蜜桃av| 欧美日韩视频精品一区| av不卡在线播放| 日韩,欧美,国产一区二区三区| 免费av中文字幕在线| 欧美精品国产亚洲| 性色av一级| 午夜福利在线观看免费完整高清在| 舔av片在线| 日韩电影二区| 中国三级夫妇交换| 亚洲精品中文字幕在线视频 | 伊人久久国产一区二区| 中文欧美无线码| 麻豆成人午夜福利视频| 97精品久久久久久久久久精品| 国产高清三级在线| freevideosex欧美| 色婷婷久久久亚洲欧美| 网址你懂的国产日韩在线| 欧美一区二区亚洲| 国产在线男女| 色婷婷av一区二区三区视频| 嘟嘟电影网在线观看| 亚洲av中文av极速乱| 久久久色成人| 欧美最新免费一区二区三区| 亚洲,一卡二卡三卡| 欧美变态另类bdsm刘玥| 免费不卡的大黄色大毛片视频在线观看| 嘟嘟电影网在线观看| 亚洲精品视频女| 老司机影院成人| 高清午夜精品一区二区三区| 亚洲欧美日韩卡通动漫| 一个人看视频在线观看www免费| 91久久精品国产一区二区三区| 亚洲国产精品国产精品| 亚洲熟女精品中文字幕| 99热6这里只有精品| 欧美最新免费一区二区三区| 成人18禁高潮啪啪吃奶动态图 | 亚洲激情五月婷婷啪啪| 国产片特级美女逼逼视频| 人人妻人人澡人人爽人人夜夜| 欧美另类一区| 免费黄网站久久成人精品| 欧美精品一区二区大全| 亚洲va在线va天堂va国产| a 毛片基地| 尾随美女入室| 国产精品国产三级国产av玫瑰| 韩国av在线不卡| 波野结衣二区三区在线| 精品久久国产蜜桃| 亚洲国产成人一精品久久久| 永久免费av网站大全| 精品少妇久久久久久888优播| 一级爰片在线观看| 国产 一区精品| 亚洲精品日本国产第一区| 免费av不卡在线播放| 久久午夜福利片| 九草在线视频观看| 国精品久久久久久国模美| 欧美+日韩+精品| 十分钟在线观看高清视频www | 我要看黄色一级片免费的| 国产伦理片在线播放av一区| 久久影院123| 人妻 亚洲 视频| 黑人猛操日本美女一级片| 亚洲人成网站在线观看播放| 男女边吃奶边做爰视频| 成人午夜精彩视频在线观看| 男女边吃奶边做爰视频| 小蜜桃在线观看免费完整版高清| 日韩av免费高清视频| 国产欧美日韩精品一区二区| 国产精品三级大全| 成人午夜精彩视频在线观看| 亚洲精品国产色婷婷电影| 欧美高清成人免费视频www| 91久久精品国产一区二区三区| 成年女人在线观看亚洲视频| 国产男女内射视频| 日韩欧美一区视频在线观看 | 免费观看性生交大片5| 亚洲,欧美,日韩| av在线播放精品| 伦理电影大哥的女人| 色哟哟·www| 少妇裸体淫交视频免费看高清| 午夜免费观看性视频| 国产亚洲欧美精品永久| 精品亚洲成国产av| 久久久久视频综合| 一级爰片在线观看| 免费观看av网站的网址| 在线观看国产h片| 伦精品一区二区三区| av在线播放精品| 国产男女超爽视频在线观看| 婷婷色综合www| 午夜福利在线观看免费完整高清在| 国产老妇伦熟女老妇高清| 中文字幕av成人在线电影| 免费在线观看成人毛片| 国产真实伦视频高清在线观看| 丝瓜视频免费看黄片| av免费在线看不卡| 秋霞伦理黄片| 中国国产av一级| 五月开心婷婷网| 国产亚洲精品久久久com| 男女边摸边吃奶| 成年免费大片在线观看| 国产午夜精品久久久久久一区二区三区| 干丝袜人妻中文字幕| 国产精品偷伦视频观看了| 国产无遮挡羞羞视频在线观看| 日韩不卡一区二区三区视频在线| 又黄又爽又刺激的免费视频.| 久久久国产一区二区| 蜜桃在线观看..| 欧美zozozo另类| 亚洲欧美一区二区三区黑人 | av一本久久久久| 国产伦在线观看视频一区| 免费大片18禁| 网址你懂的国产日韩在线| 在线观看免费高清a一片| 少妇高潮的动态图| 欧美成人一区二区免费高清观看| 久久久久久久久久人人人人人人| 免费大片18禁| 国产精品一区二区三区四区免费观看| 少妇猛男粗大的猛烈进出视频| 人体艺术视频欧美日本| 亚洲av免费高清在线观看| 国产精品一区二区性色av| 国产黄色视频一区二区在线观看| 亚洲真实伦在线观看| 久热久热在线精品观看| 草草在线视频免费看| 最近最新中文字幕大全电影3| 国产亚洲欧美精品永久| 国产av一区二区精品久久 | 国产无遮挡羞羞视频在线观看| 少妇被粗大猛烈的视频| 老师上课跳d突然被开到最大视频| 中国三级夫妇交换| 午夜免费观看性视频| 一级毛片久久久久久久久女| 日韩,欧美,国产一区二区三区| 国产免费一区二区三区四区乱码| 欧美三级亚洲精品| 国产人妻一区二区三区在| freevideosex欧美| 狠狠精品人妻久久久久久综合| 我的女老师完整版在线观看| 亚洲丝袜综合中文字幕| 搡老乐熟女国产| 精品少妇黑人巨大在线播放| 久久久久久久精品精品| av福利片在线观看| 亚洲精品日本国产第一区| 国产黄频视频在线观看| 夜夜爽夜夜爽视频| 久久 成人 亚洲| 男女边摸边吃奶| 久久久a久久爽久久v久久| 国产精品精品国产色婷婷| 在线看a的网站| 国产久久久一区二区三区| 国产精品精品国产色婷婷| 在线看a的网站| 亚洲图色成人| 亚洲欧洲日产国产| 人妻制服诱惑在线中文字幕| 美女福利国产在线 | 日韩欧美一区视频在线观看 | 三级国产精品欧美在线观看| 青春草国产在线视频| 一区二区av电影网| 日韩一区二区视频免费看| 最近中文字幕高清免费大全6| 免费观看在线日韩| 国产69精品久久久久777片| 亚洲美女视频黄频| 成人美女网站在线观看视频| 精品一区在线观看国产| 亚洲久久久国产精品| 亚洲婷婷狠狠爱综合网| 午夜福利高清视频| 精品99又大又爽又粗少妇毛片| 国产男女内射视频| 伦理电影大哥的女人| 人妻少妇偷人精品九色| 国内揄拍国产精品人妻在线|